New indices to balance α-diversity against tree size inequality
Notice bibliographique
Résumé
Abstract The number and composition of species in a community can be quantified with α-diversity indices, including species richness (R), Simpson’s index (D), and the Shannon–Wiener index ( $$H^\prime$$ H ′ ). In forest communities, there are large variations in tree size among species and individuals of the same species, which result in differences in ecological processes and ecosystem functions. However, tree size inequality (TSI) has been largely neglected in studies using the available diversity indices. The TSI in the diameter at breast height (DBH) data for each of 999 20 m × 20 m forest census quadrats was quantified using the Gini index (GI), a measure of the inequality of size distribution. The generalized performance equation was used to describe the rotated and right-shifted Lorenz curve of the cumulative proportion of DBH and the cumulative proportion of number of trees per quadrat. We also examined the relationships of α-diversity indices with the GI using correlation tests. The generalized performance equation effectively described the rotated and right-shifted Lorenz curve of DBH distributions, with most root-mean-square errors (990 out of 999 quadrats) being < 0.0030. There were significant positive correlations between each of three α-diversity indices (i.e., R, D, and $$H^\prime$$ H ′ ) and the GI. Nevertheless, the total abundance of trees in each quadrat did not significantly influence the GI. This means that the TSI increased with increasing species diversity. Thus, two new indices are proposed that can balance α-diversity against the extent of TSI in the community: (1 − GI) × D, and (1 − GI) × $$H^\prime$$ H ′ . These new indices were significantly correlated with the original D and $$H^\prime$$ H ′ , and did not increase the extent of variation within each group of indices. This study presents a useful tool for quantifying both species diversity and the variation in tree sizes in forest communities, especially in the face of cumulative species loss under global climate change.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».